Linha de pesquisa: Ciência de Dados

Resumo: O câncer de próstata é uma das principais causas de mortalidade relacionada ao câncer entre homens no mundo, com milhões de novos casos diagnosticados anualmente. Este estudo tem como objetivo automatizar a identificação e classificação de regiões cancerígenas em imagens histológicas, baseando-se nos Escores de Gleason. Foi desenvolvida uma metodologia que utiliza técnicas de processamento de imagem e inteligência artificial, com ênfase em redes neurais convolucionais (CNNs), aplicada ao conjunto de dados PANDA. As etapas incluem subdivisão das imagens em subconjuntos gerenciáveis, préprocessamento com operações morfológicas, geração de máscaras e criação de patches para a construção de conjuntos de treinamento. O framework Detectron2 foi empregado para a análise das imagens, alcançando uma taxa de precisão de 91,3% na identificação de regiões cancerígenas, em comparação com 77% relatados em estudos anteriores. Este estudo contribui para a área ao oferecer um método para classificação do Escore de Gleason utilizando esse conjunto de dados. Os resultados indicam o potencial da abordagem para auxiliar diagnósticos clínicos, com possibilidade de aprimoramento do desempenho do algoritmo e ampliação de sua aplicação para outros tipos de câncer e desafios relacionados à imagem médica.

Link da defesa: https://teams.microsoft.com/l/meetup-join/19%3ameeting_NTgzYWFhMmYtMGVhY...